代码大模型 / AI 编程

Vibe Code Bench: Evaluating AI Models on End-to-End Web Application Development

Vibe Code Bench：评估AI模型在端到端Web应用开发中的表现

Hung Tran, Langston Nashold, Rayan Krishnan, Antoine Bigeard, Alex Gu

机构 * Massachusetts Institute of Technology（麻省理工学院） 纠错

专题命中 代码评测 ：code generation(abstract)；分类 cs.SE、cs.CL、cs.AI

AI总结 本文提出Vibe Code Bench，通过100个Web应用规格和964个浏览器工作流评估AI模型在端到端应用开发中的性能，揭示了可靠开发仍为前沿挑战，并提出评估协议和人类对齐研究。

Comments 23 pages, 8 figures. Accepted to ACM CAIS 2026. Live leaderboard: https://www.vals.ai/benchmarks/vibe-code. Benchmark first released Nov 2025

VLRS-Bench: A Vision-Language Reasoning Benchmark for Remote Sensing

VLRS-Bench: 一种面向遥感的视觉-语言推理基准

Zhiming Luo, Di Wang, Haonan Guo, Jing Zhang, Bo Du

机构 * School of Computer Science, Wuhan University（武汉大学计算机学院） 纠错

专题命中 代码评测 ：repository(abstract)；分类 cs.AI

AI总结 本文提出VLRS-Bench，首个专注于复杂遥感推理的基准，包含2000个问题-答案对，涵盖14项任务和八个时间阶段，揭示现有MLLM在遥感任务中的瓶颈。

TERRA-CD: Multi-Temporal Framework for Multi-class and Semantic Change Detection

TERRA-CD：多时相框架用于多类和语义变化检测

Omkar Oak, Rukmini Nazre, Rujuta Budke, Suraj Sawant

机构 * COEP Technological University, Pune, India（科帕尔技术大学，印度普纳） ； University of Massachusetts, Amherst, USA（马萨诸塞大学，美国阿姆赫斯特） ； North Carolina State University, USA（北卡罗来纳州立大学，美国） 纠错

专题命中 代码评测 ：repository(abstract)

AI总结 本文提出TERRA-CD数据集，包含2019和2024年的Sentinel-2影像对，用于多类和语义变化检测，采用多种深度学习方法评估其有效性。

Comments Paper presented at 11th International Congress on Information and Communication Technology (ICICT) 2026, London

Enhancing Few-Shot Classification of Benchmark and Disaster Imagery with ABHFA-Net

通过ABHFA-Net增强基准和灾害图像的少样本分类

Gao Yu Lee, Tanmoy Dam, Md Meftahul Ferdaus, Daniel Puiu Poenar, Vu Duong

机构 * School of Mechanical and Aerospace Engineering (MAE), NTU（南洋理工大学机械与航空航天工程学院） ； Department of Computer Science, The University of New Orleans（新奥尔良大学计算机科学系） 纠错

专题命中 代码评测 ：repository(abstract)

AI总结 本文提出ABHFA-Net，通过空间通道注意力机制和基于Bhattacharyya距离的对比softmax损失，提升少样本灾害图像分类性能，在基准和真实灾害数据集上均取得优异效果。

Comments Revised and Submitted to SN Computer journal